AI速递|轩辕4.5:效果涨30%,成本降到十分之一

“摘要：度小满与港科大联合发布轩辕4.5，获客风控效果提升30%，推理成本约为通用模型的10%。

11月2日，在2026香港金融科技周开幕式上，度小满与香港科技大学、香港生成式人工智能研发中心（HKGAI）联合发布轩辕4.5 金融增强大模型。

港科大首席副校长郭毅可称其为行业首个自进化金融增强大模型。度小满 CEO 朱光的判断是：AI 在金融领域的重要价值，是推动金融服务从"千人一面"到"千人千面"，再进一步走向"一人千面"。

轩辕4.5 最容易记住的是三个数字：

- 效果提升 30%——在获客、风控、客户经营等核心金融场景中；

- 成本约为通用模型的 10%——在所测金融场景中，以约为通用顶级模型十分之一的推理成本，实现更强的金融场景能力；

- 超 1000 亿 Token 的场景增强数据——在可信合规的金融智能体环境中构建。

这里最值得琢磨的是第二个数字。 效果提升 30% 而成本降到十分之一，这两个方向同时走，等于把"用不起"和"用不好"这两个问题同时往前推了一步。

为什么能做到？ 关键在 RSI（自进化）技术——轩辕4.5 是金融领域首个将自进化 RSI 技术运用于模型训练及智能体场景目标适配的金融增强大模型。

技术上它包含大语言模型和多模态模型两部分。自研的 Xuanyuan-Machine 参与智能体数据合成、有监督微调、强化学习等环节，让模型持续适配金融任务。针对需要多步分析的复杂业务，"轩辕"结合长链路强化学习、信贷标准作业流程奖励及在线策略蒸馏，融合多领域专家能力。

说白了：不是把一个通用模型套上金融的知识，而是让模型在金融任务里自己越用越准。

基于轩辕，度小满已构建上千个智能体、5000余项技能，日均 Token 使用量超过 1000 亿。

这个规模本身就说明了一件事：在垂直业务里，智能体的价值不在"能不能对话"，而在"能不能持续跑"。 日均1000亿 Token 意味着这些智能体不是演示，是日常在干活。

落到业务上的效果有两个明确口径：

- 短期逾期风险下降约 50%；

- 信贷年化逾期风险整体降低了 12%。

在信贷业务上，智能风控已经全面由智能体驱动，并实现根据环境动态自进化。风险策略迭代周期已压缩一半以上。

风控这件事的核心成本从来不是模型，是迭代速度。 风险一变，策略就得跟着变；策略迭代慢一天，风险敞口就多一天。

朱光在开幕式对谈中披露了风控系统的完整链路：风险异动定位和归因 → 变量挖掘、客群分层 → 模型和策略开发 → 上线监控 → 业务结果回流后继续改进，人主要在关键节点研判和确认。

关键数字是：风险异动归因加策略开发的周期，已从约两周缩短至三到四天。

朱光认为更深层的变化是拓展了风控的探索能力。过去专家受限于自身经验和精力，只能验证部分假设；如今 AI 可以连续检验成百上千种变量组合和分层方案，寻找人力难以穷尽的更优解。

"人一千面"这个说法，翻译过来就是：同一个客户在不同时段、不同处境下的需求是变化的，AI 数字人持续陪伴，通过交互确认真实意图，再结合风控调整价格、额度和期限。

落地层面，度小满已在墨西哥市场落地基于轩辕4.5 的 AI 原生信贷服务。

另一个值得记的方向判断：面向未来，个人助理可能成为全新的金融服务入口——客户把需求交给助理，由它调度不同平台的商品、服务和金融能力，人负责判断和授权。而要让助理真正替人办事，支付就需要成为它可调用的执行能力：从客户逐笔"确认一笔付款"，转向给助理目标和预算、"授权一段任务"。

港大副校长林晨则提到，面向智能体的支付网络需要建立身份、授权和结算三层基础，目前相关方案仍处于起步阶段，在技术完善和场景落地方面存在较大的创新与创业空间。

第一，"效果提升"和"成本下降"同时出现，靠的是场景化而非通用化。 金融场景之所以能把成本压到十分之一，是因为长链路强化学习、流程奖励、在线蒸馏这些手段都围绕具体任务展开。通用模型是拿来起步的，场景化模型才是拿来降本的。

第二，人在关键节点研判和确认——这条边界设计值得抄。 智能体跑全天，但决策权留在人手里。这和前几天 DeepSeek Super-agent 架构里"AI 复现并修复、确认后才提交"是同一个思路：让AI干活，但把最后那一下留给掌握后果的人。

第三，"授权一段任务"这个概念比"确认一笔付款"大得多。 支付只是执行能力的一种。当授权单位从"一笔"变成"一段"，AI 的用法就完全不同了。 这个方向值得所有做AI应用的人跟踪。

给实体经营者的翻译版本： 你不需要训模型，但你要挑一个在你这个垂直场景里被调教过的工具——通用大模型什么都能做一点，行业专用的才能把成本压下来、把效果做上去。

“本文信息来源于人民网财经、中国新闻网、证券时报网及新华网财经关于 2026 香港金融科技周的公开报道。文中效果提升比例、成本比例、Token 用量、风险下降幅度与迭代周期均为度小满及港科大官方发布口径，基于各自测试环境与业务场景测得，尚无跨场景的统一定义；"行业首个自进化金融增强大模型"为郭毅可教授在发布活动上的表述。本文不构成对任何投资价值、市场结果或经营收益的承诺，相关事实以官方最新发布为准。

适合谁：做垂直行业AI应用的团队和产品负责人；关注智能体落地边界与人工确认环节的运营决策者；金融、财税、法律等强合规行业的从业者；想用AI把某个具体环节成本压下来的中小企业主。

怎么做：拿你行业里一件需要专业判断、但判断标准相对固定的事出来问三个问题——这件事的判断标准能不能写成规则？做错了能不能被发现？发现之后谁拍板？ 三个问题答得上，就有了做场景化调教的条件。想持续跟踪这类垂直AI的拆解，可以关注公众号「玩转AI智能体轻创业」。

下一步：添加微信 yuandanaoai，发送「场景化」，领取一份《垂直场景调教自测表》，先判断你手上这件事够不够格被专门做一版。还有更多AI咨询，都在#公众号：玩转AI智能体轻创业 每天更新。